EMD和LS-SVM相结合的高压水射流靶物材质识别方法研究

为了利用靶物反射声有效识别靶物材质,提出了一种新的基于经验模态分解(EMD)和最小二乘支持向量机(LSSVM)相结合的靶物材质识别方法。首先应用模极大值算法识别靶物边界点,提取边界点内的反射声信号进行小波降噪预处理,对预处理后的信号进行EMD分解,并计算获得各个本证模态(IMF)分量的短时能量比,作为对应不同靶物材质的特征值输入到利用LS-SVM建立的多分类模型。介绍了上述方法的基本原理,设计了试验装置和靶物材质识别影响因素分析试验方案。实验结果表明:靶物的内部结构和外形大小因素对靶物材质识别率影响小,利用上述方法进行的四种靶物材质探测,平均识别率达到85.83%,比BP神经网络提高了18.83%,且运算速度也得以提高,因此该方法可以用于靶物材质的识别。     

1kW PDM中波发射机故障检修与维护

本文针对1kW PDM中波发射机在运行过程中出现的几个典型故障分别进行了分析、判断,通过对故障原因的分析,提出了故障的处理方法和今后的预防措施.     

基于BAS-BP模型的在机测量系统误差白化建模北大核心

为了提高数控机床在机测量系统的测量精度,建立精确的、多因素影响下的单项误差白化模型,分析了在机测量系统单项误差的变化特点,提出一种BAS-BP建模方法,优化神经网络的权值和阈值,以空间位置和速度两种影响因素作为输入进行建模。以X轴5项几何误差为例,进行多元回归、BP和BAS-BP神经网络预测建模效果比较。实验结果表明,应用BAS-BP神经网络的预测建模精度最高,均方误差最大仅为0.7153μm。且能实现多因素影响下的几何误差白化建模,更适用于在机测量系统误差精确建模和后续的误差补偿。